في عالم الذكاء الاصطناعي، تتنافس النماذج لتحقيق مستوى عال من الكفاءة في حل المشكلات المعقدة. ومع ذلك، تعتمد العديد من النماذج، مثل نموذج GPT-4، على قدرات التفسير القوية، ولكن تكمن المشكلة في أن النماذج الأصغر من المصادر المفتوحة لم تتمكن بعد من تلبية هذا التحدي. في هذا السياق، يُقدم الباحثون إطار التدريب الجديد المعروف بـ GOAT (إطار تدريب الوكلاء الموجهين نحو الأهداف) والذي يوفر حلاً مبتكرًا يمكّن الوكلاء الذكيين من التعلم بدون الحاجة لتدخل بشري في عملية التشفير.

يعتمد GOAT على توليد بيانات تنفيذ API موجه نحو الأهداف بطريقة تلقائية من مستندات API، مما يسمح ببناء بيانات تدريب فعالة من خلال تسلسل استدعاءات API المنفذة. وقد أظهرت التجارب الواسعة أن الوكلاء المدربين وفقًا لـ GOAT قد حققوا أداءً رفيع المستوى في معايير متعددة معروفة في مجال الوكلاء الموجهين بالأهداف.

كما يُقدم الباحثون معيارًا جديدًا يُسمى GOATBench، والذي يقيس فعالية التنفيذ المستند إلى API، وأظهر الوكلاء المدربين بواسطة GOAT تميزهم في هذا الإعداد أيضًا. تعكس هذه النتائج الاتجاه الجديد الذي يمثله GOAT نحو بناء نماذج وكيلة قوية من المصادر المفتوحة قادرة على معالجة التحليلات المعقدة واستخدام الأدوات بفعالية.

هل أنتم متحمسون لرؤية كيف سيسهم هذا الإطار في تطوير الوكلاء الذكيين؟ شاركونا آراءكم وتجاربكم في التعليقات.